无创评估脑卒中损害的AI技术准确率达到92% 美国USC王之炯炯团队在Stroke发表文章

近日，宾夕法尼亚州圣迭戈大学（USC）Mark and Mary Stevens 神经系统底片与信息学研究者所（INI）的研究者执法人员正在研究者一种替代分析方法，该分析方法使外科精神科无需向患儿注射造影剂即可评估脑卒于中都危害。该他的团队于2019年12月在《Stroke》杂志上的登载了篇文章《Deep Learning Detection of Penumbral Tissue on Arterial Spin Labeling in Stroke》的文章。这篇文章的通讯作者是INI神经系统学副教授王炯炯（Danny JJ Wang）；第一作者是圣迭戈大学生物科学土木工程系在读耶鲁大学生方刚。据探究，急性心律不整脑卒于中都 (acute ischemic stroke) 是脑卒于中都的最常见的特性。当患儿发病时，血凝块致使了大脑中都的微血管壁血流，外科医师须要不断采取行动，给以必需的化疗。举例来说，精神科须要同步进行脑部照相以确认由卒于中都造成的大脑损伤地区，分析方法是用于超声全像（MRI）或计算机断层照相（CT）。但是这些照相分析方法须要用于有机化学造影剂，有些还含有高静脉注射的X-射线放射，而另一些则可能对有肾脏或微血管病因的患儿造成危害。在这项研究者中都，王炯炯副教授他的团队构建并试验了一种人工智能（AI）算法，该算法可以从一种更是安全的大脑照相特性（伪连续微血管壁自旋标示出超声全像，pCASL MRI）中都自动萃取有关卒于中都危害的资料。据探究，这是首次分析分析方法浅层修习算法和无造影剂灌注MRI来识别因卒于中都而受到破坏的肌肉组织的跨和平台、跨机构的系统化研究者。该三维是一种很有前景的分析方法，可以帮助精神科制定卒于中都的外科化疗建议书，并且是实际上无创的。在评估卒于中都患儿受到破坏肌肉组织的试验中都，该pCASL 浅层修习三维在两个法理的资料集上均借助于了92％的稳定性。王炯炯副教授他的团队，仅限于在读耶鲁大学研究者生方刚、寿钦洋、马硕蔓（Samantha Ma）和 Hosung Kim耶鲁大学，与加州大学洛杉矶分校（UCLA） 和耶鲁大学（Stanford）的研究者合作同步进行了这项研究者。为了受训这一三维，研究者执法人员用于167个图像集，采自于加州大学洛杉矶分校的1.5Tesla和3.0Tesla西门子（Siemens）MRI 系统，受试者为137则有缺血型卒于中都医护执法人员。经过受训的三维在12个图像集上同步进行了法理检验，该图像集采自于耶鲁大学的1.5Tesla和3.0Tesla通用电气公司（GE） MRI系统。据探究，这项研究者的一个非同着卖点是，其三维被证明是在各有不同全像和平台、各有不同的医院、各有不同医护执法人员族裔的情况下依然是必需的。接下来，王炯炯副教授他的团队蓝图同步进行一项更是大规模的研究者，以在更是多公立医院中都评估该算法，并将急性心律不整卒于中都的化疗车站内扩张到症状发作后24每隔以上。ROC 和 Precision-recall curve （PRC）非同示浅层修习（DL）比六种机器修习（ML）的分析方法更是吻合。